山西省環境星數據纓帽變換參量的提取研究

崔鵬艷,李大成,馬 綽

(太原理工大學 礦業工程學院,太原 030024)

?

山西省環境星數據纓帽變換參量的提取研究

崔鵬艷,李大成,馬 綽

(太原理工大學 礦業工程學院,太原 030024)

針對環境一號衛星(HJ-1)CCD數據纓帽變換參數的提取問題,提出了傳統的纓帽參數提取方法與光譜分析技術、施密特正交化算法相結合的HJ-1 CCD數據的纓帽變換參數提取算法,利用該方法對山西省全區2009-2013年間處于植被生長季節的HJ-1 CCD數據進行實驗驗證。結果表明,利用提取得到的纓帽參數對研究區的上述數據進行纓帽變換處理后,圖像特征得到顯著增強,亮度分量、綠度分量以及濕度分量對于地表特征的表達更為合理與清晰。該方法為區域條件下地表特征的識別與表達提供有效的技術途徑。

光譜統計分析;施密特正交化;HJ-1 CCD;纓帽參數；環境星數據;山西省

我國自行研制的環境與災害監測預報系統一號衛星的A、B星座(以下簡稱HJ-1 A/B)于2008年9月6日在太原衛星發射中心成功發射,至今正常運行，并在遙感數據的大氣校正[1-2]、干旱監測[3]、云檢測[4]以及環境質量評價[5]等應用領域發揮了重要作用。

HJ-1 A/B衛星均裝載了相同類型的CCD相機,通過在相同軌道上星下點的對稱放置以達到平分視場、并行觀測的目的；同時可使組網后CCD相機的重訪周期僅為2 d,極大地提高了該衛星的應用潛力。另一方面,A、B星所搭載的CCD相機只包含4個常見光譜通道(如表1所示),顯然無法充分滿足多數應用對中分辨率遙感數據波段數量的要求。因此,如何針對HJ-1 A/B CCD相機的數據條件，開發和設計出有效的光譜變換方法，就成為該問題的重要解決途徑?；诙喙庾V數據的光譜變換可以獲得比原有圖像更加結構化的光譜分布特征。常見的光譜變換方法主要有主成分分析(principal components analysis,PCA)和纓帽變換(tasseled cap,TC)。PCA 方法是通過降維，盡可能多地保留原始特征集合中的特征信息量,得到線性無關的綜合向量[6]；TC變換是一種針對地表信息提取的影像增強方法,是根據多光譜遙感中土壤、植被等信息在多維光譜空間中信息分布結構對圖像做的經驗性正交變換[7],相較于PCA,它具有更為明確的地學意義。

TC變換是KAUTH和THOMAS在研究Landsat MSS圖像反映農作物和植被生長過程時提出的[8],他們對Landsat MSS進行TC參數的提取和研究時，發現提取的前3個分量分別為亮度、綠度和黃度分量。CHRIST和CICONE利用TC變換對Landsat TM進行纓帽參數提取研究時,發現其第3個分量并非表示黃度值,而是濕度值[9]。黃成全等人利用Landsat 7 ETM+數據進行TC變換的研究時發現，利用DN值提取的纓帽參數是不準確的；而基于表觀反射率提取的亮度、綠度、濕度分量是相互獨立，并且不受云污染的影響[10]。SCHAAF利用基于Modis 數據的纓帽變換來研究植被的周期變換規律[11]; YARBROUGH發展了基于Quickbird數據的纓帽參數提取方法研究[12]。雖然當前圍繞不同傳感器已開展相應的纓帽參數提取研究,但針對HJ-1 CCD相機的纓帽參數提取仍缺少區域級高時序數據的支撐及統計分析。因此，筆者針對HJ-1 A/B數據的纓帽參數的提取展開研究，為區域條件下地表特征的識別與表達提供有效的技術途徑。并利用山西省2009—2013年間處于植被生長季節的HJ-1 CCD數據,為基于其HJ-1 CCD數據的纓帽變換處理提供更加精確的轉換參數。

1 研究區與數據預處理

本研究以山西省全區為實驗研究區。研究區地處我國黃河中游東岸,屬華北平原西部的黃土高原地帶,地理位置為：北緯34°34′-40°44′,東經110°14′-114°33′,總面積15.67×104km2。研究區與鄰省的自然境界分明,地勢東北高西南低；區內部起伏不平,河谷縱橫,地貌類型復雜多樣,有山地、平原、丘陵、臺地,植被生長季節為每年的5月至9月。

本實驗選取覆蓋研究區2009-2013年間共5 a的HJ-1 A/B CCD數據為基礎數據。選取數據的基本原則為成像質量較高且云量覆蓋小于10%,并在上述年份的所有植被生長季節，逐月擇取覆蓋研究區北部和南部且同月獲取時間接近、鄰月相差超過16 d的影像數據。最終篩選得到47幅研究數據,2009-2013年間的植被生長季相內圖像選取數量的分布關系如圖1所示。

圖1 研究區環境星數據的季相分布Fig.1 Seasonal distribution of the HJ-1 CCD data of the research area

在實驗研究前，需對所選取的環境星影像進行必要的預處理。首先，利用ENVI軟件通過輻射定標原理，將圖像中原始的無量綱DN值(Digital Number,DN)數據轉換為相應的輻射亮度值；然后根據相關參數在ENVI中將所得的輻射亮度值進一步轉換為大氣層頂表觀反射率(Top of Atmosphere,TOA)；最后，為了研究的方便,將處理后的TOA值域拉伸至[0,10 000]。

2 基于環境星數據的纓帽系數提取原理

原始TC變換的模型如式(1)所示,是KAUTH和THOMAS通過對Landsat MSS圖像的研究提出的。HJ-1 A/B數據與Landsat MSS數據具有相同的波段數,其對應波段的基本參數信息如表1所示。分析可知，兩者的波段通道信息相差不大,因而基于Landsat MSS數據的TC變換同樣適用于基于HJ-1 A/B數據的TC變換研究,且HJ-1 A/B數據比Landsat MSS數據的空間分辨率高,因此針對HJ-1 A/B數據的應用價值更高。

表1 HJ-1 A/B 數據與Landsat MSS數據的基本參數

原始TC變換模型

(1)

式中:X為Landsat MSS各波段的數據信息;U為纓帽變換后提取的數據信息;RT為轉換矩陣[6]。同理,易得基于環境星CCD圖像的纓帽變換模型為:

(2)

式中：Xi為變化前第i波段上的TOA值；RT是由纓帽參數Bi，Gi，Wi構成的系數矩陣(i=1,2,3,4)；U為變化后由亮度、綠度及濕度分量組成的矩陣。

式(2)中的亮度分量反應了土壤反射率變化的信息,其系數項(Bi)可以利用干土與濕土的反射光譜差異得到,計算過程可表達如下:

(3)

(4)

(5)

式(2)中的綠度分量系數(Gi)可以提取諸如地面植被等圖像綠度信息,結合植被與干土的反射光譜差異以及(5)式獲取的亮度分量系數(Bi),利用式(6)、式(7)求得與亮度分量正交的綠度分量；并根據式(8)、式(9)將正交化結果權值化,從而得到歸一化的綠度分量系數。計算過程可表達如下:

(6)

(7)

(8)

(9)

式(2)中的濕度分量系數(Wi)可以提取水體等濕度信息,根據水體與干土的反射光譜差異以及式(5)、式(9)得到的Bi、Gi，利用式(10)、(11)、(12)求得與亮度分量、綠度分量正交的濕度分量系數,并根據式(13)、(14)將正交結果權值化,得到歸一化的濕度分量系數。其計算過程如下:

(10)

(11)

(12)

(13)

(14)

亮度分量B、綠度分量G、濕度分量W可以利用提取的亮度分量系數、綠度分量系數以及濕度分量系數與原始TOA值的乘積得到,表達式如下:

(15)

(16)

(17)

為得到基于實驗研究區的TC變換的系數矩陣,需在數據預處理后的TOA圖像上人工提取出干土、濕土、植被以及水體等4類典型地物的光譜統計信息,本研究通過逐波段統計地物特征的光譜均值來實現。

3 實驗結果與分析

圖2中的a-d分別描述了研究區內的不同地物類別分別在藍光、綠光、紅光以及近紅外波段上的反射光譜信息隨時序的變化特征。其中，橫坐標為數據的采集時間(季相),縱坐標為各種地物特征在相應波段上的反射光譜均值；平滑實線、平滑虛線、三角實線以及方塊實線分別代表干土、濕土、植被以及水體類型的地物反射光譜變化曲線。從圖2可見，以上4種地物類別在藍光波段的反射光譜的強弱關系為ρdrysoi，ρvegetation>ρwetsoil>ρwater。植被和水體在綠光波段的反射光譜相近,分布范圍為[0,1 000];而濕土的反射光譜分布于[1 000,2 500],干土的反射光譜整體分布于[2 000,4 000],且ρdrysoil>ρwetsoil>ρvegetation,ρwater。植被與水體在紅光波段的反射光譜相近(分布區間為[400,1 000]),濕土在紅光波段的分布區間為[1 100,1 800],干土在紅光波段的反射特征最強(分布于[1 300,3 000]);但其波動性較大,反射光譜的強弱關系與綠光波段類似。各類型地物在近紅外波段反射光譜的可區分性稍差,整體上有:ρdrysoil>ρwetsoil>ρvegetation,ρwater。

圖2 不同地類在各波段上的反射率隨時序的變化特征Fig.2 Change characteristics of the reflectance of different surface features on various wavelengths along with the time sequence

由于纓帽變換的精度受季相性和區域性的影響較大[13],筆者所選的實驗研究區在地理分布上特點是東西向較窄,南北向跨度較大；因此對南北部的典型地物類別(植被，水體，干土以及濕土)在各波段上的反射光譜(表觀反射率)特征進行了統計分析,了解研究區南部與北部典型地物特征的反射光譜的一致性程度。

圖3所示為4種典型地物在近紅外波段的南北反射光譜信息,總體上4類地物反射光譜信息在南部與北部分布一致。其中，植被南北數據分布一致；水體在2009年6月差異較大；干土于2009年8月差異較大；濕土南北數據波段較大,但兩者分布吻合。因此，植被、水體、干土、濕土在研究區的分布受南北地域影響不大。利用TC參量的提取策略與計算方法所得到的基于實驗研究區的纓帽變換系數的統計信息如表2所示。

表2 山西省全區的纓帽變換參量的統計信息

為了檢測提取的亮度、綠度以及濕度系數的應用效果,利用提取的纓帽變換系數獲取其亮度、綠度以及濕度分量。圖4所示是以假彩色合成圖像為基礎進行的近紅外波段與亮度分量的對比分析。其中近紅外圖像上云都呈現亮白色,屬于強反射;水都呈現暗灰色,屬于弱反射。亮度圖像中云的顏色變亮,水的顏色變暗,其中2009年和2012年效果最明顯。從近紅外與亮度分量(圖4右)的定量分析中，虛線為近紅外光譜反射信息,實線為亮度分量信息；橫坐標為拉伸后的地表反射率值或亮度值,縱坐標為像元個數，其統計結果分布類似正態分布,整體上亮度的均值和方差比近紅外的大。其中，2009年和2012年分布最明顯,與定性分析一致。

圖3 研究區內典型地物在南部與北部區域的TOA反射率對比Fig.3 The comparison of TOA reflectance between the south and the north of study area about typical surface features

圖4 近紅外圖像與亮度圖像的對比Fig.4 Comparison between the near-infrared data and the brightness data

歸一化植被指數(Normalized Difference Vegetation Index，NDVI)應用于檢測植被生長狀態、植被覆蓋度和消除部分輻射誤差等[14],可以檢查綠度分量的效果。圖5所示是以假彩色合成圖像為基礎進行的近紅外波段與綠度分量、NDVI的對比分析。近紅外圖像中植被分布呈現暗灰色,在綠度圖像和NDVI圖像中其分布呈亮白色。在NDVI與綠度的散點圖(圖5右)中,2009—2013年的數據都是沿擬合直線對稱分布。其中，2011年、2012年和2013年數據分布較集中。

圖6所示是以假彩色合成圖像為基礎進行的近紅外與濕度影像的對比分析。以水為例，從定性角度分析:水在近紅外影像中為黑色，在濕度影像中為白色,水體變得發亮；從定量角度分析,變換前水體的TOA值都比圖像整體的TOA值小,而變換后水體的濕度值都比圖像整體的濕度值大。

圖5 NDVI圖像與綠度圖像的線性相關性對比Fig.5 Comparison between the NDVI data and the greenness data

圖6 近紅外圖像與濕度圖像對比信息Fig.6 Comparison between the near-infrared data and the wetness data

4 結束語

本文以覆蓋山西省全區2009-2013年間處于植被生長季節(5-9月)的HJ-1 A/B CCD為數據源,利用類別的光譜分析技術與施密特正交化算法進行研究區纓帽變換參數的提取,初步得到以下結論:

1) 纓帽變換受季相性的影響。本實驗利用植被生長季節(5-9月)數據所提取的纓帽變換系數,適用于獲取于該季相的環境星數據。

2) 纓帽變換受區域性的影響。研究區在地理分布上特點是：東西向窄,南北向寬,干土、濕土、植被以及水體4類地物特征的反射光譜信息隨區域差異(南北部)變化很小,因而所提取的纓帽系數有望適用于整個地理研究區。

3) 纓帽系數對于亮度、綠度以及濕度分量的生成效果。實驗分析可知，亮度分量對于圖像亮度特征的描述更加豐富;綠度分量與NDVI圖像一致性較高,且兩者基本呈線性分布;濕度分量對于水體等“濕度”特征的描述更加直觀,且其灰度特征更加集中。因此,上述纓帽分量對于地表特征的后處理操作(如分類)能夠提供更好的結構化光譜分布特征及特征識別環境。

[1] 劉其悅.基于環境星數據可見光、近紅外波段的大氣校正方法研究[D].焦作:河南理工大學,2010.

[2] 孫源,顧行發,余濤,等.環境星CCD數據大氣校正研究[J].國土資源遙感,2010(4):6-9.

[3] 鐘仕全,羅永明,莫建飛,等.環境減災衛星數據在干旱監測中的應用[J].中國農業氣象,2011,32(4):593-597.

[4] LI D,GE Y,WANG B.Automated retrieval of cloud masks from the HJ-1 WVC imagery[J].Selected Topics in Applied Earth Observations and Remote Sensing,2014(9):3732-3741.

[5] 劉瑞,王世新,周藝,等.基于遙感技術的縣級區域環境質量評價模型研究[J].中國環境科學,2012,32(1):181-186.

[6] 李建林.一種基于PCA的組合特征提取文本分類方法[J].計算機應用研究,2013,30(8):2398-2401.

[7] 湯國安,張友順,劉詠梅,等.遙感數字圖像處理[M].北京:科學出版社,2004.

[8] KAUTH R J,THOMAS G S.The tasselled cap-a graphic description of the spectral-temporal development of agricultural crops as seen by landsat[C]∥LARS Symposia.Proceedings of the Symposium of Machine Processing of Remotely Sensed Data. Indiana:The Laboratory for Applications of Remote Sensing,1976:41-51.

[9] CRIST E,CICONE R.A physically-based transformation of Thematic Mapper data-The TM tasselled cap[J].IEEE Transactions on Geoscience and Remote Sensing,1984,22(3):256-263.

[10] HUANG C Q,WYLI B,YANG L,et al.Derivation of a tasseled cap transformation based on Landsat 7 at satellite reflectance[J].International Journal of Remote Sensing,2002,23(8):1741-1748.

[11] ZHANG X,SCHAAF C B,FRIEDL M A,et al.MODIS tasseled cap transformation and its utility[J].Geoscience and Remote Sensing Symposium，2002(2):1063-1065.

[12] YARBROUGH L D,EASSON G,KUSZMAUL J S.QuickBird 2 tasseled cap transform coefficients:a comparison of derivation methods[J].Global Priorities in Land Remote Sensing,2005(16):23-27.

[13] EVA I,ALISTAIR L,FILIP L,et al.Orthogonal transformation of segmented SPOT5 images: seasonal and geographical dependence of the tasselled cap parameters[J].Photogrammetric Engineering and Remote Sensing,2008,74(11):1351-1364.

[14] JUSTICE C.Analysis of the phonology of global vegetation using meteorological satellite data[J].International Journal of Remote Sensing,1985(6):1271-1318.

(編輯：龐富祥)

Extraction of Tasselled Cap Transformation Parameters of Environmental Satellite Data of Shanxi

CUI Pengyan,LI Dacheng,MA Chao

(CollegeofMiningEngineering,TaiyuanUniversityofTechnology,Taiyuan030024,China)

On the basis of traditional method of extraction of Tasselled Cap transformation parameters, this research put forward the extraction of Tasselled Cap transformation parameters for HJ-1 A/B CCD data by combining the technology of spectral analysis based on category and the means of Schmidt orthogonalization. This method was used to extract the Tasselled Cap transformation parameters and verify the accuracy of the HJ-1 CCD date during the vegetation growing season from 2009-2013 in Shanxi. The results show that after transforming the study area of HJ-1 A/B CCD data with the Tasselled Cap transformation parameters, the feature of the image has been significantly enhanced, and the luminance component, greenness component and humidity component for expression of the surface characteristics are more reasonable and clearer. The extracted information has no much difference between the south and the north, so its Tasselled Cap transformation parameters can apply to the whole Shanxi Province during the vegetation growing season. It provides an effective way to identify and express the surface features in the regional conditions.

spectral statistical analysis;schmidt orthogonalization;HJ-1 CCD;tasselled cap transformation parameters;environmetal satellite data;Shanxi province

1007-9432(2016)03-0314-07

2015-10-26

科技部863計劃基金資助項目：全球地表覆蓋遙感制圖與關鍵技術研究(2009AA122002)

崔鵬艷(1989-)，女，河南洛陽人，碩士生，主要從事遙感地質研究，(E-mail)cuipengyancehui@163.com

李大成，男，講師，主要從事遙感信息處理及地學應用研究，(E-mail)lidacheng@tyut.edu.cn

TP79

A

10.16355/j.cnki.issn1007-9432tyut.2016.03.008